一种遥感影像智能解译与变化信息检测方法技术

本发明专利技术公开了一种遥感影像智能解译与变化信息检测方法，包括如下步骤：S1、读取遥感影像的分辨率，基于读取的分辨率结果调用对应的YOLT模型实现遥感卫星影像中目标物的检测；S2、基于方位角估计的几何结构特征提取算法实现目标物几何结构特征的提取；S3、根据遥感影像的分辨率以及对应的目标物几何结构特征调用对应的标尺模板实现目标物尺寸的测量；S4、基于自动对比模块实现相邻两个遥感影像之间目标物类别、数量、几何结构特征、以及目标物尺寸的自动对比，并输出比对结果。本发明专利技术可以实现遥感卫星影像信息的智能解译，同时可以自动发现遥感卫星影像的变化信息。

An intelligent interpretation and change information detection method of remote sensing image

【技术实现步骤摘要】
一种遥感影像智能解译与变化信息检测方法
本专利技术涉及图像数据处理领域，具体涉及一种遥感影像智能解译与变化信息检测方法。
技术介绍
近半个世纪以来，随着卫星遥感技术、计算机技术的飞速发展，遥感行业应用大规模普及，对智能化遥感信息提取技术提出了前所未有的需求。智能化遥感信息提取技术是传统的计算机视觉、计算机模式识别技术和新兴的基于对象影像分析技术、时空大数据以及人工智能技术在遥感影像分析领域的综合集成和应用。遥感影像作为三维世界的二维投影，包含的信息是不完备、不确定的。因此，需要集成不同分辨率、不时相的遥感数据和非遥感数据来减少不确定性。人类感兴趣的地物目标在空间上具有不同尺度的，在时间上是动态变化的，因此，需要结合基于像素的影像分析技术和基于对象的影像分析技术，从微观、中观、宏观不同的视角进行动态立体观察。无论是传统的机器学习算法还是新兴的深度学习算法都具备模型、策略和算法三个主要组成部分，都需要使用一定量的样本训练模型，根据一定的优化算法对模型进行求解，并根据一定策略选择最佳模型用于图像识别。学习训练过程是知识的归纳过程，而图像识别是知识的演绎过程。但不同的算法各有其优缺点，需要根据目标任务、遥感数据、样本情况和计算资源，综合集成不同算法，扬长避短来解决特定领域的问题。智能化遥感信息提取技术不是指某种具体的技术，而是对不同数据、方法、技术的综合集成应用策略，以达到优势互补，减少不确定性，提高将遥感数据转化为信息的精度和效率，对于当前技术条件下，突破遥感影像分析瓶颈具有非常大的应用价值。
技术实现思路
<br>本专利技术的目的在于提供一种遥感影像智能解译与变化信息检测方法，可以实现遥感卫星影像信息的智能解译，同时可以自动发现遥感卫星影像的变化信息。为实现上述目的，本专利技术采取的技术方案为：一种遥感影像智能解译与变化信息检测方法，包括如下步骤：S1、读取遥感影像的分辨率，基于读取的分辨率结果调用对应的YOLT模型实现遥感卫星影像中目标物的检测；S2、基于方位角估计的几何结构特征提取算法（对图像进行预处理抑制旁瓣,利用矩技术估计方位角,旋转目标至水平状态,采用逐步逼近的方法获得最小外接矩形,进而提取其他几何结构特征）实现目标物几何结构特征的提取；S3、根据遥感影像的分辨率以及对应的目标物几何结构特征调用对应的标尺模板实现目标物尺寸的测量；S4、基于自动对比模块实现相邻两个遥感影像之间目标物类别、数量、几何结构特征、以及目标物尺寸的自动对比，并输出比对结果。进一步地，还包括基于PCA-K-means算法（先对遥感影像进行PCA变换，获得PCA空间的颜色特征，然后将训练样本与测试样本分别向该特征空间投影，获得识别特征，然后利用K-means算法进行颜色分类，最后采用文本提出的空间一致性原则完成遥感影像的色彩分类）实现遥感图像颜色特征的提取的步骤。进一步地，还包括在遥感卫星影像中圈出目标物，并输出目标物所在地理位置信息的步骤。进一步地，还包括以超链接的形式在每一个目标物上标记其对应的目标物检测结果和目标尺寸测量结果的步骤。进一步地，还包括通过数据挖掘模块在遥感卫星影像中挖掘目标物检测结果相同的图片区域，并根据图片区域的地理位置信息将该图片区域填充在预设的地图模板上对应位置处的步骤。进一步地，还包括通过数据挖掘模块在遥感卫星影像中挖掘对应地理位置信息的图片区域，并按照时间顺序完成这些图片区域的排列的步骤。进一步地，所述自动对比模块通过数据挖掘模块分别挖掘相邻两个遥感影像中的目标物类别信息、数量信息、每一个目标物的几何结构特征信息以及尺寸信息，然后进行每一项相似度的计算，最后以EXCEL表格的形式自动输出每一项的比对参数和相似度计算的结果，当相似度落入预设的门限时，预警模块启动，以短信自动编辑发送的方式进行对应比对参数以及比对结果的发送。本专利技术可以实现遥感卫星影像的智能解译，同时可以自动发现遥感卫星影像的变化信息。具体的，基于YOLT模型实现了遥感卫星影像中目标物的高效检测，基于几何结构特征提取算法以及对应的标尺模板实现目标物尺寸的测量，基于PCA-K-means算法实现了遥感图像颜色特征的提取，并基于数据挖掘模块根据目标物类别信息以及地理位置信息实现了遥感图像区域的自动挖掘排列，从而实现了遥感影像信息的智能解译，最后基于自动对比模块实现了相邻两个遥感影像之间参数信息的自动对比，从而可以自动发现遥感卫星影像的变化信息。附图说明图1为本专利技术实施例1的流程图。图2为本专利技术实施例2的流程图。图3为本专利技术实施例3的流程图。图4为本专利技术实施例4的流程图。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进。这些都属于本专利技术的保护范围。实施例1一种遥感影像智能解译与变化信息检测方法，包括如下步骤：S1、完成遥感影像的预处理，包括几何校正（地理定位、几何精校正、图像配准、正射校正等）、去云及阴影处理和大气校正；S2、读取遥感影像的分辨率，基于读取的分辨率结果调用对应的YOLT模型实现遥感卫星影像中目标物的检测；S3、基于方位角估计的几何结构特征提取算法实现目标物几何结构特征的提取；S4、根据遥感影像的分辨率以及对应的目标物几何结构特征调用对应的标尺模板实现目标物尺寸的测量；S5、基于自动对比模块实现相邻两个遥感影像之间目标物类别、数量、几何结构特征、以及目标物尺寸的自动对比，并输出比对结果。具体的，自动对比模块首先通过数据挖掘模块分别挖掘相邻两个遥感影像中的目标物类别信息、数量信息、每一个目标物的几何结构特征信息以及尺寸信息，然后进行每一项相似度的计算，最后以EXCEL表格的形式自动输出每一项的比对参数和相似度计算的结果，当相似度落入预设的门限时，预警模块启动，以短信自动编辑发送的方式进行对应比对参数以及比对结果的发送。实施例2一种遥感影像智能解译与变化信息检测方法，包括如下步骤：S1、完成遥感影像的预处理，包括几何校正（地理定位、几何精校正、图像配准、正射校正等）、去云及阴影处理和大气校正；S2、读取遥感影像的分辨率，基于读取的分辨率结果调用对应的YOLT模型实现遥感卫星影像中目标物的检测；S3、基于方位角估计的几何结构特征提取算法实现目标物几何结构特征的提取，并基于PCA-K-means算法实现遥感图像颜色特征的提取；S4、根据遥感影像的分辨率以及对应的目标物几何结构特征调用对应的标尺模板实现目标物尺寸的测量；S5、基于自动对比模块实现相邻两个遥感影像之间目标物类别、数量、几何结构特征、图像颜色特征、以及目标物尺寸的自动对比，并输出比对结果。具体的，自动对比模块首先通过数据挖掘模块分别挖掘相邻两个遥感影本文档来自技高网...

【技术保护点】
1.一种遥感影像智能解译与变化信息检测方法，其特征在于：包括如下步骤：/nS1、读取遥感影像的分辨率，基于读取的分辨率结果调用对应的YOLT模型实现遥感卫星影像中目标物的检测；/nS2、基于方位角估计的几何结构特征提取算法实现目标物几何结构特征的提取；/nS3、根据遥感影像的分辨率以及对应的目标物几何结构特征调用对应的标尺模板实现目标物尺寸的测量；/nS4、基于自动对比模块实现相邻两个遥感影像之间目标物类别、数量、几何结构特征、以及目标物尺寸的自动对比，并输出比对结果。/n

【技术特征摘要】
1.一种遥感影像智能解译与变化信息检测方法，其特征在于：包括如下步骤：
S1、读取遥感影像的分辨率，基于读取的分辨率结果调用对应的YOLT模型实现遥感卫星影像中目标物的检测；
S2、基于方位角估计的几何结构特征提取算法实现目标物几何结构特征的提取；
S3、根据遥感影像的分辨率以及对应的目标物几何结构特征调用对应的标尺模板实现目标物尺寸的测量；
S4、基于自动对比模块实现相邻两个遥感影像之间目标物类别、数量、几何结构特征、以及目标物尺寸的自动对比，并输出比对结果。


2.如权利要求1所述的一种遥感影像智能解译与变化信息检测方法，其特征在于：还包括基于PCA-K-means算法实现遥感图像颜色特征的提取的步骤。


3.如权利要求1所述的一种遥感影像智能解译与变化信息检测方法，其特征在于：还包括在遥感卫星影像中圈出目标物，并输出目标物所在地理位置信息的步骤。


4.如权利要求1所述的一种遥感影像智能解译与变化信息检测方法，其特征在于：还包括以超链接的形式在每一...

【专利技术属性】
技术研发人员：崔树国，孙鸿睿，周晓宇，侯琴，马海涛，马朝晖，王健，舒瑞，
申请(专利权)人：宁夏回族自治区自然资源勘测调查院，
类型：发明
国别省市：宁夏;64